电讯技术

作者：何文雯,李盛祥,王莉,李浩,李盈达,马鹏飞

单位：(中国人民解放军63892部队，河南 洛阳 471003)

关键词：Ad Hoc网络；MAC协议识别；深度学习；Transformer模型；

针对现有的媒体访问控制（Media Access Control，MAC）协议识别模型存在特征数据选取不完善和只关注局部特征的问题，首先，基于Transformer模型提出了Conv-Transformer模型。该模型将卷积操作引入到模型中，对卷积后特征图中的特征值进行分割拼接，并添加类别信息编码。其次，基于Exata平台搭建不同拓扑结构的Ad Hoc网络仿真场景，收集所有物理层的数据对Conv-Transformer模型进行训练和测试。测试结果表明，在Ad Hoc网络中对ALOHA、CSMA/CA、MACA和TDMA 4种MAC协议的识别任务上，提出的模型与经典深度学习模型递归神经网络（Recurrent Neural Network，RNN）、卷积神经网络（Convolutional Neural Network，CNN）和Transformer相比，比RNN模型的准确率提高了20.8%，比CNN模型的准确率提高了14.6%，比Transformer模型的准确率提高了68.8%。

来源：2025年第8期

《电讯技术》期刊编辑部

查看电讯技术杂志2025年第8期